Várhatóérték, szórás 2019.06.08..

Slides:



Advertisements
Hasonló előadás
Kvantitatív módszerek Becsléselmélet október 7. és 9.
Advertisements

Kockázat és megbízhatóság
tananyag =előadások és gyakorlatok anyaga (írott és elmondott is)
Geometriai transzformációk
Leíró statisztika Becslés
Becslés gyakorlat november 3.
Lineáris regresszió Adatelemzés.
A Feuerbach-kör és annak alkalmazása feladatokban
Lineáris függvények.
Kockázat és megbízhatóság
LabVIEW bevezetéstől a feszültség-áram karakterisztikáig Vida Andrea
DISZKONTÁLÁS-TECHNIKA
Szigorlati felkészítő Kvantitatív módszerek
Mintavétel és becslés október 27. és 29.
Becsléselmélet - Konzultáció
Kockázat és megbízhatóság
Rendszerező összefoglalás
Végeselemes modellezés matematikai alapjai
Monte Carlo integrálás
Lexikális elemző: lex (flex)
Kockázat és megbízhatóság
Sztochasztikus kinetikai alkalmazások
Eloszlásjellemzők I.: Középértékek
Hipotézisvizsgálat.
Kvantitatív módszerek
Egyedi lánc Vázlat Alak, konformáció Szabadon kapcsolt láncmodell
Nemparaméteres próbák 2.
Gazdaságstatisztika Korreláció- és regressziószámítás II.
Geostatisztika prof. Geresdi István szoba szám: E537.
FÜGGVÉNYEK Legyen adott A és B két nem üres (szám)halmaz. Az A halmaz minden eleméhez rendeljük hozzá a B halmaz pontosan egy elemét. Ezt az egyértelmű.
INFOÉRA 2006 Véletlenszámok
Összefüggés vizsgálatok
Varianciaanalízis- ANOVA (Analyze Of VAriance)
? A modell illesztése a kísérleti adatokhoz
Business Mathematics
Grosz imre f. doc. Kombinációs hálózatok /43 kép
A G szigettel kapcsolatban a következő dián olvasható két pár kérdés
Regressziós modellek Regressziószámítás.
Valószínűségszámítás felelevenítő
STRUKTURÁLT SERVEZETEK: funkció, teljesítmény és megbízhatóság
Az elemi folyadékrész mozgása
A matematikai statisztika alapfogalmai
Munkanélküliség.
3, u-próba, t-próba Kemometria 2016/2017 3, u-próba, t-próba
Készletek - Rendelési tételnagyság számítása -1
Alapfogalmak Adatelemzés.
3. előadás.
Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John.
Bináris kereső fák Definíció: A bináris kereső fa egy bináris fa,
Matematikai Analízis elemei
Matematika I. BGRMA1GNNC BGRMA1GNNB 8. előadás.
A valószínűségszámítás alapfogalmai
A szállítási probléma.
Dr. Varga Beatrix egyetemi docens
Matematika 11.évf. 1-2.alkalom
A területi koncentráció mérése: Hirschman–Herfindahl index
Poisson egyenlettől az ideális C-V görbéig
Műveletek, függvények és tulajdonságaik Mátrix struktúrák:
Paraméteres próbák Adatelemzés.
Mintaillesztés Knuth-Morris-Pratt (KMP) algoritmus
Készítette: Kiss Kinga
Kísérlettervezés 2018/19.
3. előadás.
Költségfüggvények Minden kibocsátáshoz a minimális költséget rendelik hozzá A termelési függvények inverzei (dualitás) A költségfüggvények a termelési.
A geometriai transzformációk
Hagyományos megjelenítés
Atomok kvantumelmélete
FÜGGVÉNYEK ÉS GRAFIKONJUK
Hipotéziselmélet Adatelemzés.
Vargha András KRE és ELTE, Pszichológiai Intézet
Előadás másolata:

Várhatóérték, szórás 2019.06.08.

Diszkrét változó várható értéke , 2019.06.08.

Példa olyan esetre, amikor nem létezik a várható érték Értékkészlet: Eloszlás: 2019.06.08.

Néhány egyszerű példa A kockadobás várható értéke: 2019.06.08.

Folytonos változó várható értéke 2019.06.08.

Példa olyan esetre, amikor nem létezik a várható érték A Cauchy-eloszlás sűrűségfüggvénye: Ez valóban sűrűségfüggvény: Viszont a várható érték nem létezik, mert: nem létezik! 2019.06.08.

Nevezetes folytonos eloszlások várható értéke 2019.06.08.

Variancia, szórás 2019.06.08.

Folytonos esetben a variancia és a szórás 2019.06.08.

Nevezetes eloszlások várható szórása 2019.06.08.

Várható érték, szórás, variancia tulajdonságai I. 2019.06.08.

Várható érték, szórás, variancia tulajdonságai II. 2019.06.08.

Markov-egyenlőtlenség Másképpen: 2019.06.08.

Csebisev-egyenlőtlenség Másképpen: 2019.06.08.

2019.06.08.

Transzformált változó eloszlása Ha X a [0 , 1] intervallumon egyenletes eloszlású és F(y) egy szigorúan monoton növekvő eloszlásfüggvény azon az intervallumon, ahol 0 < F(y) < 1 , akkor az Y = F -1(X) valószínűségi változó eloszlásfüggvénye éppen F(y) lesz, ahol y= F -1(x) az eloszlásfüggvény inverzét jelöli. Bizonyítás: P(Y < y) =P(F -1(X) < y) =P(F(F -1(X)) < F(y)) = P(X < F(y)) = F(y) , mert F(y)  [0 , 1] . 2019.06.08.

Transzformált változó eloszlása A tétel lehetőséget ad arra, hogy a számítógép Uni (0 , 1) véletlen- számgenerátora segítségével tetszőleges F(x) eloszlásfüggvény- hez jól illeszkedő véletlenszámokat generáljunk! Pl. Ha X  Uni (0 , 1), akkor -1/ ln(1-X)  Exp() lesz! 2019.06.08.

Transzformált változó eloszlása Ha X a [0 , 1] eloszlásfüggvénye F(y) egy szigorúan monoton növekvő eloszlásfüggvény, akkor az Y = F (X) valószínűségi változó eloszlásfüggvénye a (0 , 1) intervallumon egyenletes lesz! Pl. Ha X  Exp(), akkor Y=1-e -X egyenletes eloszlású! 2019.06.08.

Transzformált változó eloszlása A tétel lehetőséget ad majd a statisztikában egy X adatsor adott F(x) eloszlásfüggvényhez való illeszkedésének ellenőrzésére. Feltételezve, hogy az egyenletes eloszláshoz való illeszkedést tudjuk Ellenőrizni, az adatsor akkor illeszkedik jól az F(x)-hez, ha F (X) egyenletes eloszlású! 2019.06.08.

Transzformált változó eloszlása normális esetben Ha X N(m, D), akkor Y =X+  N(m+, ||D), azaz normális változó lineáris transzformáltja is normális lesz! Bizonyítás: Tegyük fel, hogy >0! P(Y < t)=P(X < (t-)/)=P(X < u)=((u-m)/D)= =((t-(m+))/ D) , azaz Y  N(m+, D). 2019.06.08.